河流水下无线传感器网络中基于河水涨跌的睡眠调度策略

刘洋（四川大学计算机学院，成都　610065）

河流水下无线传感器网络中基于河水涨跌的睡眠调度策略

刘洋
（四川大学计算机学院，成都610065）

0　引言

近年来，水下无线传感器网络在水质检测、环境监测、海底勘测等领域均具有广阔的应用前景[1]。水下传感器节点通常由自身携带的微型电池供电且电量有限，一经部署，能量难以得到再次补充，因此如何在能量有限的情况下，尽可能地提升节点的能量利用效率，延长网络寿命显得尤其重要。而在河流的独特环境中，若采用分层的路由机制，则靠近河面的上层节点会承担更多的数据转发任务，造成能量的过量消耗，如果该区域节点过早死亡，则会造成“能量空洞”现象，进而会加剧死亡节点的邻近节点的能耗，出现“漏斗效应”[2]，最后造成整个网络的瘫痪。研究表明，当网络出现能量空洞时，网络剩余能量为70%以上，大多数网络甚至高达90%；另外，为了获取整段河流的环境数据，需要部署大量的传感器节点，由于河流的水位随着季节不断的发生变化，若在枯水季节，某些上层节点会浮在水面上，造成不必要的能量消耗。鉴于此，若能提出合适的休眠调度策略，使得水下传感器节点在不同的水位下进行休眠和唤醒的调度，在不影响整个网络QoS的情况下，则能很大程度上降低以上两种情况下上层节点的能耗，避免或延迟“能量空洞”现象的发生，延长网络寿命。

本文针对无线传感器网络的能量空洞问题，结合河流水位变化的特点，为了均衡上层节点的能量消耗，提出一种基于河水涨跌的睡眠调度策略。首先对整个河流监控网络建立三维坐标系，采用流体力学的方法分析节点受力平衡时粘滞阻力、压差阻力等流体阻力对节点运动的影响，模拟真实河流环境下节点的运动规律，进而根据Sink广播的河面速度求解出节点的实时位置；然后对求解出的位置进行分析，若节点当前位置的Z坐标值大于河流高度，则对节点进行休眠，以节省该节点的能量开销，然后根据河流历史水位数据，在水位高于高度阈值的时期对休眠节点进行唤醒。

1　网络与能耗模型

1.1网络与能耗模型

河流水下无线传感器网络是由固定在水底的锚节点、浮动在水中的动态节点、拴住节点的绳子以及浮在水面的Sink节点构成的3D监控网络。如图1所示，网络中有x条长度不同的绳子，每条绳子上随机分布y个传感器节点，每段绳长及每条绳子预部署的位置已知，所有绳子均匀部署在L×W×H的长方体内，绳子底部被锚固定在河底，k个sink节点随机分布在监控河流的上表面。

图1　网络模型

假设本文的网络模型具有以下性质：

（1）河面速度在[Vmin，Vmax]内随机变化。

（2）水流高度在[Hmin，Hmax]内随机变化。

（3）所有非Sink节点具有相似的通信能力和通信功率，一经部署即不再更改。

（4）所有普通节点的浮力大于重力且主要部件装置在空心圆柱体内。

（5）整个网络寿命周期内，节点采集到的环境数据到达任一Sink均表示数据被成功接收。

（6）每个Sink节点负责将汇集的数据发送给基站，每个传感器节点按照各自的采集周期收集数据，直至整个网络死亡。

1.2能耗模型

由于无线电波在水中衰减严重，因此水下传感器网络通常采用水声通信能耗模型。在通信过程中，节点的能量消耗主要分为两部分：节点接收数据所消耗的能量和节点发送自身采集的环境数据或转发其他邻居节点数据产生的能耗。在能耗模型中，由于节点发送数据的能耗远大于接收数据的能耗，因此，本文以节点发送数据的能耗作为衡量整个网络的能耗标准。

假设P0为节点正常接收数据所需要的最小功率、功率对传输距离x的衰减函数为A（x），节点发送s bit的数据传输时延为Tp，其中：

则可计算出发送s bit数据所需要的能量为:

其中k为水声传播模型的相关参数，x为传输距离，公式（3）给出的能量吸收系数为：

2　睡眠调度策略

2.1基于流体体力学的网络建模

由于河流具有垂线速度分布的规律，使得越靠近河流表面的节点受到水流的冲击力越大，所以每条绳子会呈现出一条类抛物线的形式，如图2所示，公式（4）给出了河流垂线速度分布的对数形式：

图2　节点受力分析

在图2中，假设在某个河面速度下，一条绳子上的所有节点均处于平衡态，当河面速度变化时，节点受力不均衡，会运动到新的位置重新达到平衡，为了更准确地分析节点的运动规律，此时对平衡态下的节点进行受力分析，可得到如下方程组：

方程组中，fm表示节点受到的靠近锚节点的第一段绳子的拉力，fsi表示节点受到的第i+1段绳子的拉力，θi表示靠近锚节点的第i段绳子与第i个节点在竖直方向上的夹角，Fi表示第i个节点受到的流体阻力，FN和G分别表示传感器节点受到的浮力与重力。其中节点受到的流体阻力主要包括粘滞阻力fn和压差阻力fy两种，由于河流环境下计算出的雷诺数Re大于4000，节点处于湍流状态，节点受到的粘滞阻力可忽略不计，所以有：

公式中CD为阻力系数，ρ为流体密度，r为节点圆柱体底面圆的半径，L为节点所在圆柱体的高度，μ为节点当前受到的水流速度。公式（9）给出了本文环境下雷诺数Re的计算方法，其中ρ、v、d、μ分别表示流体的密度、物体相对于流体的速度、物体在流体中做相对运动的一个量纲和流体的黏性系数。

将方程组（7）的一式除以二式，然后将结果代入方程组（6）和（5），并用每段绳子的长度及节点距离河底的高度表示，则可得到：

公式（10）中的Li和Zi分别表示距离锚节点第i条绳子的长度和第i个节点距离河底的高度。联立公式（4），（8），（10）则可得到n个关于Z1、Z2、…Zn的对数方程组，求解可得到各个节点距离河底的高度以及相应的tanθn的值，并可根据锚节点的坐标及每段绳长求出每个节点的实时位置，最后完成整个网络的建模。

2.2基于河水涨跌的睡眠调整策略

为了求解节点的高度阈值，由前面建立的网络模型可知，当河面速度最小时，节点受到水流的冲击力越小，此时节点距离河底的高度最大；反之，当河面速度最大时，节点受到水流的冲击力越大，偏角也越大，此时节点距离河底的高度越小。由2.1节中的方法可求出最小河面速度和最大河面速度下各个节点分别距离河底的高度，并将唤醒节点的高度阈值设为节点距离河底高度的最大值。

在整个网络生命周期内，节点根据Sink广播的速度消息不断计算并更新各自的物理坐标。结合河流历史水位信息分析，当节点距离河底的高度大于当前水位时，节点此时漂浮在河面，它的监测范围被其他处于河内的邻近节点覆盖，此时，将该节点休眠，并在后期的某个时间将该节点唤醒，而唤醒该节点的时间依赖于历史水位数据中河流水位高于计算出来的高度阈值的时间，此时，该节点必处于河流内部，将该节点唤醒后，节点参与正常的数据采集和转发等工作。具体睡眠调度过程的伪代码如算法1所示：

3　实验与仿真

本文用Java语言对RFSS算法进行了仿真实验，并与RBSS[3]和SSSA[4]算法做了相关性能的对比，表1为实验缺省参数，网络寿命定义为10%的节点死亡的时间。

表1　实验参数

图3　网络寿命对比

图4　网络能量利用率对比

从图3可以看出，相比于SSSA算法，RBSS和RF-SS算法具有更长的生命周期。因为SSSA是基于频谱驱动的唤醒机制，如果唤醒频率过快，则将使得上层节点处于唤醒状态的时间过长，过多地承担任务会使得节点能耗速率过快而造成网络更早的死亡。而相比于基于网络覆盖率的睡眠调度算法RBSS，RFSS在保证网络QoS的前提下，具有更长的生命周期。

从图4可以看出，由于RFSS算法中，节点漂浮在河面时睡眠，水位高于阈值时唤醒的机制，使得上层节点与其他节点的能耗相对均衡，故当网络死亡时，整个网络的能量利用率高于其他两种算法。

4　结语

本文通过流体力学的方法对河流水下传感器网络进行建模，计算节点在整个网络生命周期内的实时位置，进而提出RFSS睡眠调度策略。通过实验仿真可以看出，与RBSS和SSSA算法相比，RFSS可以有效提高网络能量利用率、延缓能量空洞的形成、延长了网络生命周期。

[1]Capella J V,Bonastre A,ORS R,et al.In Line River Monitoring of Nitrate Concentration By Means of a Wireless Sensor Network with Energy Harvesting[J].Sensors&Actuators B Chemical,2013,177(2):419-427.

[2]Li J,Mohapatra P.Analytical Modeling and Mitigation Techniques for the Energy Hole Problem in Sensor Networks[J].Pervasive and Mobile Computing,2007,3(3):233-254.

[3]Sheltami T,Siddiqui A J,Abbasi H I,et al.Implementation of Rank based Sleep Scheduling(RBSS)Protocol for WSNs in a Fixed Grid Topology[J].Procedia Computer Science,2013,19:348-355.

[4]Qiao J Y,Liu J,Wang W D,et al.Spectrum-Driven Sleep Scheduling Algorithm Based on Reliable Theory in Cognitive Radio Sensor Networks[J].Journal of China Universities of Posts&Telecommunications,2012,19(11):47-51,72.

River UWSN;Fluid Mechanics;Sleeping Scheduling;Network Lifetime

River Water Rise and Fall Based Sleeping Scheduling Strategy in Underwater Wireless Sensor Networks

LIU Yang
（College of Computer Science，Sichuan University，Chengdu 610065）

1007-1423（2016）07-0008-05

10.3969/j.issn.1007-1423.2016.07.002

刘洋（1991-），男，重庆人，硕士研究生，研究方向为无线传感器网络

2016-01-21

2016-02-22

为了求解河流水下传感器网络中节点在河流环境下的实时位置，采用流体力学的方法对河流进行建模；在采用分层路由的情况下，为了解决因节点能耗不均而造成的能量空洞问题，结合河流的独特环境，提出基于河水涨跌的睡眠调度策略（RFSS）。仿真结果表明，该算法和RBSS、SSSA算法相比，在网络生存周期和能量利用效率方面有显著提高。

河流水下传感器网络；流体力学；睡眠调度；网络生存周期

In order to get the real-time positions of sensor nodes in river Underwater Wireless Sensor Networks(UWSN),uses the method of fluid mechanics to modeling the environment of river.Based on hierarchical routing,in order to solve the problem of energy hole caused by the imbalance energy consume of sensor nodes,combined with the unique environment of river,proposes a river water Rise and Fall based Sleep Scheduling strategy(RFSS).The simulation results show that,compared with RBSS and SSSA,RFSS improves the network lifetime and network energy efficiency.